1.一种基于三支集成预测模型的工业加热炉钢温预测方法，其特征在于，包括以下步骤：实时采集加热炉数据，并将实时采集的加热炉数据输入至三支集成预测模型中，三支集成预测模型判断实时采集的加热炉数据是否处于不确定区域范围，若处于不确定区域范围，则使用协同决策方法得到并输出预测结果；若不处于不确定区域范围，则使用所属类簇上的子预测模型得到并输出预测结果；

使用协同决策方法得到预测结果具体包括以下步骤：判定新样本是否属于重叠部分区域之后，对于不属于不确定区域范围之内的新样本，直接通过相对应类簇上建立的子预测模型预测结果；对于属于不确定区域范围之内的新样本，找到该新样本所属的多个类簇，选择该新样本所属的多个类簇共同建立的不同子预测模型中表现最优的子预测模型进行预测，最后模型给出预测的结果；

其中，三支集成预测模型的训练过程包括：

S1、获取原始数据，对原始数据预处理，得到特征集合数据；

S2、运用灰色关联分析方法计算特征集合中所有特征相对于预测变量的灰色关联系数，结合专家知识确定输入变量，即输入特征集合数据；

S3、使用三支聚类方法将输入变量进行划分，得到不同的类簇；

S4、根据各个类簇中的不确定性数据重要性，构建各个类簇相对应的子预测模型，最终得到三支集成预测模型；

根据各个类簇中的不确定性数据重要性，构建各个类簇相对应的子预测模型，具体包括：根据不确定性数据的加入是否能够起到提升该类簇子预测模型的预测效果来选择该类簇的最优子预测模型，分别计算将不确定性数据加入该类簇中和不将不确定性数据加入该类簇中所得的预测子模型，比较两个子预测模型的预测精度，若将不确定性数据加入该类簇中所得的预测子模型预测精度更高，则选择加入不确定性数据后的子预测模型作为该类簇的最优子模型；反之，选择未加入不确定性数据的子预测模型作为该类簇的最优子模型。

2.根据权利要求1所述的一种基于三支集成预测模型的工业加热炉钢温预测方法，其特征在于，所述预处理包括：剔除无效数据，并将所有无效数据剔除之后的数据集连接合并在一起，得到特征集合数据；其中无效数据包括缺失/不完整数据剔除和故障样本数据剔除。

3.根据权利要求1所述的一种基于三支集成预测模型的工业加热炉钢温预测方法，其特征在于，三支集成预测模型判断实时采集的加热炉数据是否处于不确定区域范围，具体包括：根据样本的相似性度对实时采集的加热炉数据进行划分，得到多个类簇；判断：划分之后的类簇中是否存在类簇样本同时属于多个类簇的边缘域中，多个类簇的边缘域即多个类簇的重叠部分区域，如果存在部分类簇样本同时属于多个类簇的边缘域中，则判定该部分类簇样本处于不确定区域范围之内；如果类簇样本不存在同时属于多个类簇的边缘域中，则判定该类簇样本不处于不确定区域范围之内。

4.根据权利要求1所述的一种基于三支集成预测模型的工业加热炉钢温预测方法，其特征在于，步骤S3中使用三支聚类方法将输入变量进行划分，得到不同的类簇，具体包括：将输入特征集合数据进行类簇的三支表示：

Ci＝(Co(Ci),Fr(Ci))

Tr(Ci)＝U‑Co(Ci)‑Fr(Ci)

其中，Co(Ci)，Fr(Ci)，Tr(Ci)分别表示类簇的核心域、边缘域以及琐碎域，且核心域中的数据对象确定属于该类簇，琐碎域中的数据对象确定不属于该类簇，边缘域中的数据对象可能属于也可能不属于该类簇。

5.根据权利要求1所述的一种基于三支集成预测模型的工业加热炉钢温预测方法，其特征在于，所述不确定性数据指的是步骤S3中进行类簇划分后，多个类簇之间的重叠部分，该重叠部分属于多个类簇，被视为不确定性数据。

6.根据权利要求1所述的一种基于三支集成预测模型的工业加热炉钢温预测方法，其特征在于，运用灰色关联分析方法计算特征集合中所有特征相对于预测变量的灰色关联系数，结合专家知识确定输入变量包括以下步骤：S21、首先对特征集合数据进行归一化，运用归一化公式进行计算，归一化公式如下所示：*

其中，X表示归一化之后的数据，x表示归一化之前的数据，μ表示所有样本数据的均值，σ表示所有样本数据的标准差；

S22、从归一化处理后的特征集合中选择参考序列 和比较序列

其中，X0是出炉温度， 表示第n个样本的出炉温度， 表示

第i个特征的第n个样本，n表示数据样本数量，m表示特征集合数量，Xi是输入变量；

S23、基于参考序列和比较序列计算灰色关联系数，计算公式如下：

其中，ζi(k)是灰色关联系数，ρ是分辨系数，一般ρ∈[0,1)，X0(k)表示参考序列的第k个数值，Xi(k)表示第i特征的第k个数值，k表示对应的第k个取值，Δmin和Δmax分别表示距离的全局最小值和全局最大值，Δmin和Δmax具体计算如下：S24、计算灰色关联系数均值，将灰色关联系数均值作为不同特征的灰色关联系度，具体计算如下：其中，γ(x0,xi)表示第i个特征对于参考序列的灰色关联度，n表示数据样本数量，ζi(k)表示灰色关联系数；

S25、求出特征集合中所有特征相对于参考序列的灰色关联系数后，根据专家知识，将灰色关联度大于0.9的特征集合数据作为输入变量，即输入特征集合数据。